NTT、複雑なデータを柔軟に分類できる機械学習技術を実現 | IoT NEWS

現在の統計的機械学習は、膨大な量の様々なデータを大規模なパラメータを持つモデルで解析することができるようになってきた。しかし、多様な量・特性のデータに対して有効な汎用の学習モデルを設計することは難しく、一般に入力データや解きたい課題に応じて学習モデルの規模やパラメータの調整が必要だ。さらに、このようなモデルの調整は、職人芸的な技巧や、膨大な労力を必要とすることが少なくない。 そこで、与えられたデータに合わせてモデルの規模やパラメータを自動的に調整する手法の需要が高まっている。 一方、我々が解析の対象とするデータの形態もまたより複雑になってきている。例えば、ユーザと購買商品をそれぞれ行と列に取った行列形式のデータは関係データと呼ばれ、その中に現れる特徴的な性質を捉えることは、ユーザへの商品推薦システムの効率化などで活用される。 また、ソーシャルネットワーキングサービスにおいて、行と列に利用者

[misshiki]

事例“事前にモデルの構造やパラメータが与えられない場合でも、これらをデータ駆動的（※1）に最適化して学習し、データをクラスタリングする手法”